Qdrant, ein 2021 gegründetes Open-Source-Startup für Vektordatenbanken mit Sitz in Berlin, will KI-Entwicklern dabei helfen, unstrukturierte Daten effizienter zu nutzen. Dies steht im Einklang mit der steigenden Nachfrage nach KI-gestützten Anwendungen und dem Aufstieg generativer KI wie ChatGPT in den Mainstream. Mit der Erweiterung der Plattformen muss die für neue Anwendungsfälle erforderliche Infrastruktur Schritt halten, und genau hier setzt Qdrant an.
In der Absicht, seine Open-Source-Vektorsuchmaschine und unstrukturierte Datendatenbank tiefer in den kommerziellen Bereich zu bringen, kündigte Qdrant kürzlich eine Seed-Finanzierungsrunde in Höhe von 7,5 Millionen US-Dollar unter der Leitung von Unusual Ventures an. Weitere Teilnehmer an dieser Runde sind 42cap, IBB Ventures und mehrere Angel-Investoren wie Cloudera-Mitbegründer Amr Awadallah. Diese neue Finanzierung baut auf den 2 Millionen Euro (2,2 Millionen US-Dollar) an Pre-Seed-Finanzierung auf, die Qdrant letztes Jahr aufgebracht hat.
Vektordatenbanken, die zum Speichern unstrukturierter Daten wie Bilder, Videos und Text konzipiert sind, ermöglichen Benutzern und Systemen die Suche nach Inhalten ohne Kennzeichnung. Diese Technologie ist unerlässlich, um die potenziellen Anwendungen von Large Language Models (LLMs) wie GPT-4, das ChatGPT antreibt, zu erweitern. Laut Gartner sind etwa 90 % der in Unternehmen neu generierten Daten unstrukturiert, und unstrukturierte Daten wachsen dreimal schneller als ihr strukturiertes Gegenstück.
Andre Zayarni, CEO und Mitbegründer von Qdrant, ist der Ansicht, dass ein Mangel an geeigneten Tools und die Fähigkeit, LLMs mit unstrukturierten Daten in Echtzeit zu verbinden, ein wesentlicher Grund dafür ist, dass die meisten KI-Forschungs- und Entwicklungsprojekte nicht die Produktion erreichen. Durch die Verwendung von Vektordatenbanken zur Erweiterung von LLMs können Entwickler nützlichere KI-Anwendungen erstellen, die Echtzeitdaten aus der realen Welt nutzen.
Open-Source-Vektordatenbanken haben in den letzten Jahren große Aufmerksamkeit von Investoren auf sich gezogen. Im vergangenen Jahr sammelte Pinecone, das eine ähnliche Lösung wie Qdrant anbietet, 28 Millionen US-Dollar. Die Open-Source-Basis von Qdrant ist laut Zayarni ein großer Vorteil, da sie das Vertrauen der Ingenieure aufbaut und proprietäre Software dazu bringt, sich auf dem Markt zu behaupten. Weitere Beispiele sind die Open-Source-Vektordatenbank Milvus von Zilliz, die 60 Millionen US-Dollar gesammelt hat, und Chromas Anfang dieses Monats 18 Millionen US-Dollar Startfinanzierung für seine KI-native Open-Source-Vektordatenbank.
Die Startfinanzierung in Höhe von 7,5 Millionen US-Dollar für Qdrant zeigt das gestiegene Interesse der Investoren an Technologien, die KI und maschinelles Lernen vorantreiben und ihre Fähigkeiten auf Entwickler ausdehnen. Zayarni erwähnte, dass Qdrant sein erstes Term Sheet nur zwei Tage nach dem Versenden seines Pitch-Decks erhielt, dicht gefolgt von einem zweiten Term Sheet.
Kürzlich stellte Qdrant sein Managed-Cloud-Angebot vor, das entwickelt wurde, um Entwickler mit Ein-Klick-Bereitstellungen, automatisierten Versions-Upgrades, Backups und einer bevorstehenden Datenbank-Administrationsschnittstelle zu unterstützen. Mit seiner jüngsten Finanzierungsrunde betonte Zayarni, dass Qdrant auch ein Unternehmensprodukt entwickelt, das vor Ort oder in privaten Clouds gehostet werden kann und voraussichtlich noch in diesem Jahr auf den Markt kommen wird.
No-code Plattformen wie AppMaster.io erfreuen sich wachsender Beliebtheit und ermöglichen es Unternehmen und Einzelpersonen, Web-, Mobil- und Backend-Anwendungen ohne umfassende Programmierkenntnisse zu erstellen. Solche Plattformen ermöglichen es Entwicklern, mit neuen Ideen im KI-Bereich zu experimentieren, ohne die Komplexität herkömmlicher Codierung, was den gesamten Entwicklungsprozess weiter beschleunigt und es der Branche ermöglicht, mit der Nachfrage nach KI-Anwendungen Schritt zu halten.
